Deteksi Emosi Menggunakan Citra Ekspresi Wajah Secara Otomatis
Abstract
Ekspresi wajah merupakan metode yang paling efektif bagi manusia untuk
mengekspresikan emosi. Ekspresi wajah memiliki keunggulan untuk mengetahui emosi
seseorang, karena ketika seorang secara emosi tidak stabil akan nampak pada raut wajah yang
berubah, seperti kerutan pada kening, kedipan pada mata, ataupun perubahan warna pada kulit
wajah. CNN merupakan pengembangan dari MLP yang dirancang untuk mengolah data dua
dimensi. Dua tahapan utama pada CNN yaitu feature learning dan classification. CNN
merupakan metode yang digunakan dalam penelitian. Penelitian ini menggunakan dataset dari
FER2013, KDEF, dan CK+. Dataset-dataset tersebut berisikan citra greyscale dengan format
jpeg. Arsitektur model yang dibuat memiliki empat lapisan konvolusi dan dua lapisan fully
connected. Penelitian dilakukan dengan mencoba tiga optimasi yaitu, ADAM, SGD, dan RMS.
Kemudian juga dilakukan percobaan dengan perbedaan epoch. Hasil penelitian ini
menunjukkan optimasi ADAM memiliki nilai akurasi paling tinggi dibandingkan dengan
optimasi lainnya. Akurasi tertinggi pada dataset KDEF dengan jumlah 82%. Emosi yang
mudah dikenali atau yang memiliki akurasi tinggi yaitu jijik dan emosi yang susah dikenali
yaitu sedih. Dapat disimpulkan CNN dapat digunakan untuk deteksi emosi melalui citra
ekspresi dengan akurasi yang baik.
Collections
- Informatics Engineering [2148]